Managed Risk Services: Validierung interner Risikomodelle

Article

Success Story Validierung interner Risikomodelle

Digital Risk Services in der Praxis: Überprüfung der statistischen Modelle zur Ermittlung angemessener Eigenmittel

Hintergrund

Kreditinstitute müssen über angemessene Eigenmittel verfügen. Für die Berechnung von Kreditrisikopositionen zur Bestimmung der angemessenen Eigenmittelausstattung gibt es zwei alternative Ansätze: zum einen den Kreditrisiko-Standardansatz und zum anderen den auf internen Risikomodellen basierenden Ansatz.

Bei dem zweiten Ansatz kalkulieren die Institute selbst, welche Ausfallwahrscheinlichkeit, welche Verlustquote bei Ausfall und welcher Konversionsfaktor bei ihnen bestehen. Für die Verwendung modellbasierter Ansätze gibt es konkrete und umfassende regulatorische Anforderungen.

Grundvoraussetzung zur Erstellung der internen Risikomodelle ist eine große Datenmenge (Big Data). Anhand dieser Daten werden wesentliche Risiken abgeschätzt, die durch Veränderungen in Geschäftsfeldern, der Werthaltigkeit von Vermögenswerten, schwankende Marktfaktoren und das wirtschaftliche Umfeld beeinflusst werden oder gleichzeitig diese wiederum beeinflussen.

 

Die Ausgangssituation

Unser Kunde aus der Finanzbranche muss in regelmäßigen Zeitabständen seine internen Risikomodelle validieren und den Regulatoren präsentieren. Aufgrund der Vielzahl der statistischen Modelle, die zum Einsatz kommen, kann die Bank die Validierung aller Modelle nicht ausschließlich mit dem eigenen Personal vornehmen. Als langjähriger Partner wurde daher Deloitte zur Unterstützung beauftragt.

 

Unser Projekt-Scope

Das Projektteam umfasste internationale Deloitte-Kollegen, da spezielles statistisches Know-how gefordert war. Unser Teilprojekt, das wir aus Deutschland handhabten, bestand aus der Überprüfung der Risikomodelle für die Kreditart „Konsumentenkredit“ (z.B. für den Auto- oder Möbelkauf).

Dabei sind wir wie folgt vorgegangen: Zunächst wurde mit der SAS-Software die Vorbereitung der Daten überprüft. Anschließend prüften wir die statistischen Komponenten der internen Risikomodelle, führten statistische Tests durch und bestimmten Fehlergrößen. Auch die Robustheit der Modelle wurde geprüft und makroökonomische Schocks wurden hinzugefügt (Stresstest), wie zum Beispiel ein abrupter Anstieg der Arbeitslosigkeit. Abschließend wurde ein Challenger Modell entwickelt, anhand dessen wir darauf hinweisen konnten, dass mehr makroökonomische Variablen für die Modelle verwendet werden sollten.

 

Das Ergebnis

Die internen Risikomodelle dieser spezifischen Kreditart haben unsere Validierung nicht bestanden, da nicht alle statistischen Voraussetzungen erfüllt waren und die Modelle unter Stress keine validen Ergebnisse erzeugt haben.

Auf Basis dieser Ergebnisse konnten wir unserem Kunden Verbesserungsmöglichkeiten bei der Entwicklung der Modelle aufzeigen und wichtige Impulse zur Implementierung bieten.

 

Unser Mehrwert für den Kunden

Durch die Verwendung interner Risikomodelle, die maßgeschneidert, flexibel und individuell sind, kann eine angemessene Risikomessung und -steuerung sichergestellt und die Eigenkapitalausstattung gegenüber dem Standardansatz reduziert werden.

Unsere Prüfung der verwendeten Modelle zeigt der Bank auf, ob ihre internen Risikomodelle die regulatorischen Anforderungen erfüllen.

Da in diesem speziellen Fall die bislang verwendeten Modelle nur unzureichend geeignet waren, zeigten wir dem Kunden konkrete Maßnahmen zur Verbesserung und legten so die Basis für eine optimierte Risikoabsicherung des Kreditinstituts.     

 

Success Story Datenmanagement

Digital Risk Services in der Praxis: Aufbau eines zentralen Reporting-Systems bei einer großen deutschen Versicherungsgruppe

Success Story Rollenbasiertes Berechtigungsmanagement

Digital Risk Services in der Praxis: Konsolidierung von Zugriffsrechten bei einer Großbank